Mestrado em Engenharia de Inteligência Artificial

É este o teu mestrado. 
A Inteligência Artificial (IA) está a transformar setores inteiros da economia e a criar novas oportunidades em áreas como a mobilidade, a banca, os seguros e o retalho. Com um crescimento global acima dos 37% ao ano, a IA é um dos domínios tecnológicos mais dinâmicos e valorizados, com forte impacto na criação de startups, spinoffs e novos modelos de negócio. 

Se queres estar na linha da frente desta revolução tecnológica, criar soluções inteligentes e integrar equipas altamente inovadoras, Inteligência Artificial é o teu mestrado. 

 

O que te dá este mestrado? 

  • Frequentas o primeiro mestrado em Portugal com a designação Inteligência Artificial, abrangendo os principais domínios da área. 

  • Inseres-te numa área de excelência do ISEP/P.PORTO, com ligação ao GECAD, grupo de I&D classificado como “Excelente” pela FCT, e ao primeiro doutoramento em IA e Sistemas Inteligentes em Portugal (DIAESI). 

  • Aprendes com um plano de estudos renovado, que cobre tópicos atuais e emergentes como IA Generativa, LLMs, Agentes, Robótica, Deep Learning, Processamento de Linguagem Natural, Visão por Computador, IoT e Ética em IA. 

  • Desenvolves competências através de uma metodologia inovadora – Challenge-Based Learning (CBL), resolvendo desafios reais em equipa. 

  • Tens a oportunidade de realizar projeto, dissertação ou estágio em empresas ou grupos de investigação nacionais e internacionais. 

  • Garante-te acesso a um mercado de trabalho altamente valorizado, com ofertas de emprego mais bem remuneradas a nível nacional e internacional. 

Duração:
2 anos / 4 semestres
Créditos:
120 ECTS
Horário:
Pós-laboral (18h10 - 23h30)

1º ano | 1º semestre

  • 7,5 ECTS

    Aprendizagem Automática

    ECTS
    7,5
    Período
    1º semestre
    Responsável
    Isabel Praça
    Teórica
    2 horas
    Prática laboratorial
    2 horas

    CO1 - Conhecer, compreender e aplicar técnicas de pré-processamento de dados.
    CO2 - Conhecer, compreender e aplicar diferentes técnicas de aprendizagem automática: supervisionada, não-supervisionada e por reforço.
    CO3 - Conhecer e compreender um problema real de complexidade média ou elevada e analisar, investigar, conceber, implementar, experimentar, rever, testar, sintetizar e avaliar com vista a resolver esse problema com recurso aos métodos apresentados na unidade curricular.
    CO4 - Desenvolver competências transversais ligadas à resolução de desafios em equipa em resposta a desafios (AI Challenges4Teams)

    1 - Tipos de Problemas onde usar Aprendizagem Automática
    2 - Dados e seu pré-processamento
    Limpeza de dados
    Integração de dados
    Transformação de dados
    Redução de dados
    3- Aprendizagem Supervisionada
    Principais conceitos
    Modelos discriminativos e generativos
    Modelos paramétricos e não-paramétricos
    4- Aprendizagem Não-supervisionada
    Clustering
    Redução de dimensionalidade
    Métodos kernel
    5 - Regressão
    Regressão Linear
    Regressão Polinomial
    Regressão Logística
    6 - Árvores de Decisão
    Medidas de partição
    Técnicas de simplificação de árvores de decisão
    7 - Regras de Associação
    Métricas de Interesse
    Geração/Mineração de regras
    8 - Máquinas de Vetores de Suporte
    Máquinas de Vetores de Suporte lineares e não-lineares
    9. Modelos Múltiplos
    Bagging
    Boosting

  • 7,5 ECTS

    Engenharia do Conhecimento

    ECTS
    7,5
    Período
    1º semestre
    Responsável
    Luiz Faria
    Teórica
    2 horas
    Prática laboratorial
    2 horas

    CO1- Tomar conhecimento, compreender e aplicar os conceitos relacionados com os Sistemas Baseados em Conhecimento, Ontologias e Web Semântica e Gestão do Conhecimento (NB3)
    CO2 - Conhecer e compreender um problema real que possa ser tratado apropriadamente através de Sistemas Baseados em Conhecimento e Web Semântica e analisar, investigar, conceber, implementar, experimentar, rever, testar, sintetizar e avaliar com vista a resolver esse problema com recurso aos métodos apresentados na unidade curricular (NB6)
    CO3 - Selecionar e aplicar técnicas que permitam lidar com informação incompleta e imprecisa (NB3)
    CO4 - Desenvolver competências transversais ligadas à resolução de desafios em equipa em resposta a desafios (AI Challenges4Teams) (NB6)

    1- Representação do Conhecimento (11 horas; 15%)
    Classificação do conhecimento e formalismos de representação de conhecimento
    2- Ontologias (4 horas; 5%)
    Linguagens de representação de ontologias, engenharia de ontologias e aplicações
    3- Sistemas Baseados em Conhecimento (7 horas; 10%)
    Características e exemplos de Sistemas Baseados em Conhecimento; Raciocínio temporal; Manutenção de verdade.
    4- Sistemas Periciais (34 horas; 45%)
    Arquitetura e componentes de um Sistema Pericial
    5 ? Raciocínio com incerteza (11 horas; 15%)
    Abordagem Bayesiana/Probabilística e de Sistemas Difusos
    6- Web Semântica (4 horas; 5%)
    Semântica na Web (RDF ? Resource Description Framework) e Ontologias na Web (OWL ? Web Ontology Language)
    7- Gestão do Conhecimento (4 horas; 5%)
    Conhecimento nas organizações, Aquisição e Descoberta de Conhecimento, Externalização e Internalização do Conhecimento, Uso e partilha, Verificação e Validação, Manutenção do Conhecimento

  • 7,5 ECTS

    Paradigmas de Programação em Inteligência Artificial

    ECTS
    7,5
    Período
    1º semestre
    Responsável
    Constantino Martins
    Teórica
    2 horas
    Prática laboratorial
    2 horas

    C01 ? Identificar os principais paradigmas de programação utilizados em Inteligência Artificial.
    C02 ? Aplicar paradigmas como a programação lógica, funcional e com restrições na resolução de problemas.
    C03 ? Analisar e integrar diferentes abordagens de IA, avaliando a adequação de cada paradigma ao problema.
    C04 ? Projetar e implementar soluções computacionais para problemas reais de complexidade média, usando os paradigmas estudados.
    C05 - Desenvolver competências transversais ligadas à resolução de desafios em equipa em resposta a desafios (AI Challenges4Teams)

    P1. Programação em Lógica.
    P1.1. introdução à Lógica Computacional.
    P1.2. Conceitos básicos de programação em lógica.
    P1.3. Recursividade e listas.
    P1.4. Negação e falha, soluções múltiplas e manipulação de memória.
    P1.5. Aplicações em IA (ex: representação de conhecimento)
    P2. Programação Funcional (Python funcional)
    P2.1. Cálculo Lambda
    P2.2. Representação e Interrogação de Conhecimento
    P2.3. Processamento de Lista
    P2.4. Estruturas mais elaboradas de Representação do Conhecimento
    P2.5. Programação Funcional com Linguagem Python
    P3. Programação por Restrições
    P3.1. Técnicas de Satisfação de Restrições
    P3.2. Programação por Restrições e os Domínios Finitos
    P3.3. Programação por Restrições sobre Domínios Contínuos e Restrições em Conjuntos
    P4. Programação Multi-Paradigma, Paradigmas Complementares importantes para a IA
    P5. Introdução a diversas abordagens à IA (Simbólica,Estatística/Probabilística, Conexionista e Evolucionista)

  • 7,5 ECTS

    Planeamento e Tomada de Decisão

    ECTS
    7,5
    Período
    1º semestre
    Responsável
    Carlos Ramos
    Teórica
    2 horas
    Prática laboratorial
    2 horas

    CO1- Tomar conhecimento, compreender e aplicar os conceitos de Resolução Automática de Problemas, Métodos de Pesquisa e Otimização, Teoria de Jogos, Planeamento e Apoio à Tomada de Decisão
    CO2- Conhecer e compreender um problema real de complexidade média ou elevada e analisar, investigar, conceber, implementar, experimentar, rever, testar, sintetizar e avaliar com vista a resolver esse problema com recurso aos métodos apresentados na unidade curricular
    CO3- Desenvolver competências transversais ligadas à resolução de desafios em equipa em resposta a desafios (AI Challenges4Teams)

    1- Resolução Automática de Problemas (3 horas; 5%)
    Problemas e sua Caracterização;Espaço de Estados;Heurísticas;Métodos Básicos de Procura de Soluções
    2- Métodos de Pesquisa e Otimização (15 horas; 25%)
    Branch and Bound;A*;Modelos de Programação Linear;Algoritmos Genéticos; Pesquisa Tabu; Particle Swarm Optimization; Colónia de Formigas; Modelos de Otimização em Redes
    3- Planeamento Automático (12 horas; 20%)
    Conceitos Básicos de Planeamento; Planeamento Deliberativo; Planeamento Reativo; Planeamento com Restrições; Escalonamento; Planeamento de Projetos (PERT)
    4 - Teoria de Jogos (3 horas; 5%)
    MINIMAX; Cortes Alpha-Beta; Pesquisa Monte Carlo
    5- Tomada de Decisão (27 horas; 45%)
    Processo de Tomada de Decisão; Sistemas de Apoio à Decisão; Modelação e Simulação; Restrições (tempo,espaço,recursos); Funções Multi-Objetivo e Multi-Critério ; Modelos de Decisões Sequenciais; Árvores de Decisão; Análise SWOT; Análise de Satisfação; Tomada de Decisão em Grupo e Ferramentas Colaborativas

1º ano | 2º semestre

  • 7,5 ECTS

    Língua Natural e Inteligência Artificial Generativa

    ECTS
    7,5
    Período
    2º semestre
    Responsável
    Luiz Faria
    Teórica
    2 horas
    Prática laboratorial
    2 horas

    CO1- Identificar os tipos de problemas que podem ser resolvidos através da aplicação das técnicas de processamento automático de língua natural (NB3)
    CO2- Identificar e aplicar as técnicas adequadas para a resolução dos diferentes problemas da área do processamento automático de língua natural (NB6)
    CO3- Desenvolver competências transversais ligadas à resolução de desafios em equipa em resposta a desafios (AI Challenges4Teams) (NB6)

    1.Conceitos Introdutórios Língua Natural(LN)
    Sintaxe e Semântica
    Compreensão de Texto
    Geração de Texto
    Tradução Aut.
    Processamento de LN baseado em Conhecimento
    2.Classif. do Texto
    Pré-processamento de Texto
    Extração Caraterísticas a partir do Texto
    Modelos Lineares p/ Análise de Sentimento
    Aprendizagem Profunda(AP) p/ Classif. de Texto
    3.Modelação de Ling. e Marcação de Sequências
    Modelação de Ling. Probabilística
    Marcação de Sequência c/ Modelos Probabilísticos
    Modelos Sequenciais p/ Reconhecimento de Entidade Nomeada
    Marcação de Sequência c/ AP
    4.Modelos de Espaço Vetorial p/ Semântica
    Encapsulamento de Palavras e Frases
    Modelação de Tópicos
    Modelos de Tópicos Aplicados à Pesquisa e Exploração de Dados
    5.Tarefas seq2seq
    Tradução Aut., Resumo, Resposta a Perguntas
    Tradução Aut. Estatística
    Arquitetura Codificador-descodificador c/ Atenção
    Treino Redes Neuronais seq2seq
    6.Sist. Conversação
    7.LLM Generativos
    Arquitetura Transformer
    Fine-tuning de modelos pré-treinados
    RAG e KG

  • 7,5 ECTS

    Redes Neuronais Artificiais e Aprendizagem Profunda

    ECTS
    7,5
    Período
    2º semestre
    Responsável
    Carlos Ramos
    Teórica
    2 horas
    Prática laboratorial
    2 horas

    CO1- Tomar conhecimento, compreender e aplicar os conceitos de codificação neuronal, modelos de neurónios e redes neuronais artificiais (ANN), treino, validação e teste de ANN, modelos de aprendizagem profunda e respetivo hardware, plataformas de software e aplicações, pretende-se ainda aprender o conceito de tratamento de grandes volumes de dados.
    CO2- Conhecer e compreender um problema real de complexidade média ou elevada e analisar, investigar, conceber, implementar, experimentar, rever, testar, sintetizar e avaliar com vista a resolver esse problema com recurso aos métodos apresentados na unidade curricular
    CO3- Desenvolver competências transversais ligadas à resolução de desafios em equipa em resposta a desafios (AI Challenges4Teams)

    1 - Neurónios e Codificação Neuronal
    2 - Neurónios Artificias
    3 - Perceptron e Redes Neuronais Artificiais
    4 - Aprendizagem por Retropropagação (Backpropagation)
    5 - Conjuntos de Dados, Treino, Validação e Teste de Redes Neuronais
    6 - Aprendizagem Profunda
    7 - Redes Neuronais Convolucionais
    8 - Redes Neuronais Recorrentes e Recursivas e Transformers
    9 - Hardware e Arquiteturas para Aprendizagem Profunda
    10 - Bibliotecas e Plataformas para Aprendizagem Profunda
    11- Complementos de Redes Neuronais e Aprendizagem Profunda
    12- Visão por Computador com Aprendizagem Profunda e IA Generativa
    13- Desafios atuais das Redes Neuronais e Aprendizagem Profunda
    14- Processamento de Grandes Volumes de Dados (Big Data)

  • 7,5 ECTS

    Robótica e Ambientes Inteligentes

    ECTS
    7,5
    Período
    2º semestre
    Responsável
    Joaquim Filipe Peixoto dos Santos
    Teórica
    2 horas
    Prática laboratorial
    2 horas

    CO1- Perceber os conceitos principais sobre IoT e Robótica (NB1)
    CO2- Desenhar e desenvolver soluções para IoT e robótica (NB5)
    CO3- Escolher e utilizar os sensores adequados para aplicações IoT e Robótica (NB3)
    CO4- Implementar soluções para middlewares de comunicação para aplicações IoT e Robótica (NB3)

    Parte 1: Internet das coisas
    1 - Introdução à Internet das coisas (IoT)
    2 - Plataformas de computação para dispositivos IoT
    3 - Sensores
    4 - Protocolos de comunicação
    5 - Middlewares para IoT
    6 - Clouds para IoT
    Parte 2: Robótica
    7 - Introdução à Robótica Móvel
    8 - Novas áreas de aplicação da robótica (1 hora)
    9 - Introdução à Framework ROS2 (6 horas)
    10 - Desenvolvimento de módulos de software em ROS2
    11 - Exploração de simuladores 3D utilizados em Robótica
    12 - Introdução à Inteligência artificial (AI) aplicada à Robótica
    13 - Exploração de frameworks de Inteligência artificial (AI) aplicada à Robótica

  • 7,5 ECTS

    Sistemas Multi-Agente

    ECTS
    7,5
    Período
    2º semestre
    Responsável
    Diogo Martinho
    Teórica
    2 horas
    Prática laboratorial
    2 horas

    CO1 - Distinguir e integrar os conceitos de Sistemas Multi-Agente e Agentes Inteligentes
    CO2 ? Conhecer, compreender níveis diferentes dentro de Sistemas Multi-Agente tais como comunicação, cooperação e negociação
    CO3 - Conceber, desenvolver e testar sistemas modelados através de Sistemas Multi-Agente
    CO4 - Conhecer, compreender e aplicar a abordagem multi-agente para simular, controlar e monitorar diversos sistemas reais complexos
    CO5- Desenvolver competências transversais ligadas à resolução de desafios em equipa em resposta a desafios (AI Challenges4Teams)

    1 - Agentes Inteligentes
    1.1 - Conceito de agente
    1.2 - Propriedades
    1.3 ? Aplicações
    2- Arquiteturas de Agentes
    2.1 - Arquiteturas deliberativas
    2.2 - Arquiteturas Reativas
    2.3 - Arquiteturas híbridas
    3 - Sistemas Multi-Agente
    3.1 - Conceito de Sistema Multi-Agente
    3.2 ? Sistema Multi-Agente e Inteligência Artificial Distribuida
    4 - Comunicação entre Agentes
    4.1 - Características da Comunicação
    4.2 - Atos de discurso
    4.3 - Linguagens de comunicação
    5 - Coordenação em Sistemas Multi-Agente
    5.1 - Conceito de coordenação
    5.2 - Sistemas Multi-Agente cooperativos vs competitivos
    5.3 - Coordenação de agentes competitivos
    5.4 - Coordenação de agentes cooperativos
    6 - Negociação em Sistemas Multi-Agente
    6.1 - Conceitos de negociação
    6.2 - Modelos de negociação
    6.3 - Leilões
    6.4 - Estratégias de negociação
    7- Plataformas de Desenvolvimento
    7.1 ? Standards (FIPA, ACL, etc)
    7.2 ? Frameworks (JADE, Repast, etc.)
    8- Modelação e Simulação baseada em Agentes
    9- Controlo e Monitorização

2º ano | 1º semestre

  • 7,5 ECTS

    Aspetos Sociais e Éticos em Inteligência Artificial

    ECTS
    7,5
    Período
    1º semestre
    Responsável
    Goreti Marreiros
    Teórica
    2 horas
    Prática laboratorial
    2 horas

    CO1- Tomar conhecimento, compreender e aplicar a consideração de aspetos éticos, sociais e emocionais na conceção de sistemas inteligentes
    CO2 - Tomar conhecimento, compreender e Conceber sistemas orientados para grupos
    CO3 - Identificar e compreender os principais problemas éticos relativos à Inteligência Artificial
    CO4- Desenvolver competências transversais ligadas à resolução de desafios em equipa em resposta a desafios (AI Challenges4Teams)

    1- Impacto da Inteligência Artificial nas Profissões e na Sociedade
    2- Interação Sistema Inteligente-Humano
    2.1 - Concepção da interação (e.g. voz, gestos, língua natural)
    2.2 - Mecanismos de colaboração
    2.3 - Simulação
    3- Computação Afetiva
    3.1 - Modelos emocionais
    3.2 - Modelos personalidade
    3.3 - Estilos de Comportamento
    3.4 - Mecanismos de deteção de emoções e humor
    3.5 - Contágio emocional
    4- Aspetos Racionais e Emocionais no Apoio à Tomada de Decisão
    4.1 - Racionalidade na tomada de decisão
    4.2 - Papel dos aspetos emocionais na tomada de decisão
    5- Apoio a Grupos
    5.1 - Decisão em grupo
    5.2 - Abordagens baseadas em consenso
    5.3 - Abordagens multicritério
    5.4 - Argumentação
    5.5 - Computação Afetiva no Apoio a grupos
    5.6 - Avaliação da decisão
    6- Argumentação
    6.1 - Modelos teóricos de argumentação
    6.2 - Jogos de Diálogos
    7- Questões Éticas relativas à Inteligência Artificial

  • 7,5 ECTS

    Investigação e Inovação em Inteligência Artificial

    ECTS
    7,5
    Período
    1º semestre
    Responsável
    Diogo Martinho
    Teórica
    2 horas
    Prática laboratorial
    2 horas

    O1 - Conhecer as principais áreas de atuação da investigação na Inteligência Artificial
    O2 - Adquirir competências de documentação científica
    O3 - Estudar Metodologia Científica
    O4 - Estudar e dominar abordagens de geração de ideias em Inteligência Artificial
    O5 - Compreender conceitos de empreendedorismo e proteção da propriedade intelectual e industrial

    P1- Principais áreas de Investigação da IA
    Informação do meio envolvente
    IInteração com o ser humano
    Raciocínio elaborado
    Aprendizagem
    Atuação, Monitoração e Controlo
    P2- Análise de Bibliografia e Referências
    Notação Bibliográfica
    Referenciação Científica
    Escolha da Bibliografia e Referências
    P3- Escrita de documentos científicos
    Artigo científico
    Livros e Capítulos
    Relatórios
    P4- Impacto das Publicações
    Fatores de Impacto
    Citações
    Outros indicadores de Qualidade Científica
    P5 - Metodologia Científica
    P6- Geração de Ideias e Inovação em IA
    Inovação
    Criatividade
    Raciocínio Crítico
    Design Thinking
    P7- Proteção da Propriedade Intelectual e Industrial em IA
    Modelos e Patentes
    Proteção de Propriedade Intelectual e Industrial
    Alcance Geográfico da proteção
    P8- Empreendedorismo na IA
    Ideias inovadoras
    Startups e Spinoffs
    Análise Comparativa no Mercado
    Viabilidade
    Plano de Negócio
    Financiamento de Ideias Inovadoras
    Divulgação de Ideias, Produtos e Serviços Inovadores

  • 4 ECTS

    Privacidade e Segurança em Sistemas Inteligentes

    ECTS
    4
    Período
    1º semestre
    Responsável
    Isabel Praça
    Teórica
    1 hora
    Teórico-prática
    1 hora

    CO1 - Dominar os principais aspetos a considerar na Privacidade e Segurança
    CO2 - Compreender como a Privacidade e Segurança devem ser consideradas e aplicadas a Sistemas Inteligentes
    CO3 - Conhecer e dominar os métodos e técnicas de Inteligência Artificial que podem ser aplicadas à Privacidade e à Segurança
    CO4 - Ter sentido crítico sobre os tipos de ataques à Inteligência Artificial e os métodos e técnicas para os prevenir, detetar e mitigar

    1 - Proteção de Dados
    1.1 - Aquisição, Armazenamento, Acesso, Processamento e Controlo de Dados
    1.2 - Dados Pessoais e Sensíveis
    1.3 - Retificação e Eliminação de Dados
    1.4 - Códigos de conduta e certificação
    1.5 - Officer de Proteção de Dados
    2 - Regulamentos de Proteção de Dados
    2.1 ? Regulamento Geral de Proteção de Dados
    2.2 - Regulamento de Proteção de Dados da União Europeia
    3 ? Privacidade e Proteção de Dados em Sistemas de Inteligência Artificial e Ciência de Dados
    4 ? Tecnologias de Informação e Comunicação e ameaças de Segurança
    5 ? Tipos de Cibercrime
    5.1 ? Malware
    5.2 ? Phishing
    5.3 ? Roubo de Identidade
    5.4 ? Ciberterrorismo
    5.5 ? Técnicas de Cibercrime
    6 ? Prevenção e Proteção de Cibercrime
    7 ? A Cibersegurança em Sistemas de Inteligência Artificial
    8 ? A Inteligência Artificial aplicada à Cibersegurança
    9 ? A Segurança da Inteligência Artificial

  • 11 ECTS

    Trabalho Preparatório para Dissertação

    ECTS
    11
    Período
    1º semestre
    Responsável
    Goreti Marreiros
    Teórica
    2 horas
    Prática laboratorial
    4 horas

    CO1 - Identificar o tipo de problema, área de aplicação e potencial de investigação e inovação do Projeto/Dissertação/Estágio a desenvolver
    CO2 - Escolher a tipologia a seguir: Projeto; Dissertação; ou Estágio; ou Misto
    CO3 - Planificar e elaborar a estratégia de abordagem ao Projeto/Dissertação/Estágio
    CO4 ? Efetuar e reportar algumas experiências prévias com os métodos e tecnologias potencias a aplicar no Projeto/Dissertação/Estágio
    CO5 ? Desenvolver competências de organização, articulação e autonomia sobre problemas complexos

    1- Identificação do tipo de Problema a tratar no Projeto/Dissertação/Estágio
    2- Identificação da Área de Aplicação do Projeto/Dissertação/Estágio
    3- Identificação e experimentação dos métodos e tecnologias de Inteligência Artificial a usar no Projeto/Dissertação/Estágio
    4- Potencial de Investigação e Inovação
    5- Escolha da tipologia: Projeto; Dissertação; Estágio; ou Misto
    6- Planificação e Estratégia de abordagem ao Projeto/Dissertação/Estágio

2º ano | 2º semestre

  • 30 ECTS

    Dissertação

    ECTS
    30
    Período
    2º semestre
    Responsável
    Goreti Marreiros
    Teórica
    1 hora
    Outra
    0,5 horas

    CO1 - Identificar o tipo de problema, área de aplicação e potencial de investigação e inovação da Dissertação a desenvolver
    CO2 - Planificar e elaborar a estratégia de abordagem à dissetação
    CO3 - Efetuar e reportar experiências com os métodos e tecnologias aplicadas no Dissertação
    CO4 - Investigar e Inovar
    CO5 - Desenvolver competências de organização, articulação e autonomia sobre problemas complexos
    CO6 - Tirar Conclusões

    1- Descrição do tipo de Problema a tratar na dissertação
    2- Descrição da Área de Aplicação da dissertação
    3- Descrição dos métodos e tecnologias de Inteligência Artificial usados na dissertação
    4- Investigação e Inovação
    5- Experimentação, Teste e Validação
    6- Conclusões e identificação de trabalho futuro

1º ano | 1º semestre

  • 7,5 ECTS

    Aprendizagem Automática

    ECTS
    7,5
    Período
    1º semestre
    Teórica
    2 horas
    Prática laboratorial
    2 horas
  • 7,5 ECTS

    Engenharia do Conhecimento

    ECTS
    7,5
    Período
    1º semestre
    Teórica
    2 horas
    Prática laboratorial
    2 horas
  • 7,5 ECTS

    Paradigmas de Programação em Inteligência Artificial

    ECTS
    7,5
    Período
    1º semestre
    Responsável
    Constantino Martins
    Teórica
    2 horas
    Prática laboratorial
    2 horas

    C01 - Identificar os principais paradigmas de programação utilizados em Inteligência Artificial.
    C02 - Aplicar paradigmas como a programação lógica, funcional e com restrições na resolução de problemas.
    C03 - Analisar e integrar diferentes abordagens de IA, avaliando a adequação de cada paradigma ao problema.
    C04 - Projetar e implementar soluções computacionais para problemas reais de complexidade média, usando os paradigmas estudados.
    C05 - Desenvolver competências transversais ligadas à resolução de desafios em equipa em resposta a desafios (AI Challenges4Teams)

    P1. Programação em Lógica.
    P1.1. introdução à Lógica Computacional.
    P1.2. Conceitos básicos de programação em lógica.
    P1.3. Recursividade e listas.
    P1.4. Negação e falha, soluções múltiplas e manipulação de memória.
    P1.5. Aplicações em IA (ex: representação de conhecimento)
    P2. Programação Funcional (Python funcional)
    P2.1. Cálculo Lambda
    P2.2. Representação e Interrogação de Conhecimento
    P2.3. Processamento de Lista
    P2.4. Estruturas mais elaboradas de Representação do Conhecimento
    P2.5. Programação Funcional com Linguagem Python
    P3. Programação por Restrições
    P3.1. Técnicas de Satisfação de Restrições
    P3.2. Programação por Restrições e os Domínios Finitos
    P3.3. Programação por Restrições sobre Domínios Contínuos e Restrições em Conjuntos
    P4. Programação Multi-Paradigma, Paradigmas Complementares importantes para a IA
    P5. Introdução a diversas abordagens à IA (Simbólica, Estatística/Probabilística, Conexionista e Evolucionista)

  • 7,5 ECTS

    Planeamento e Tomada de Decisão

    ECTS
    7,5
    Período
    1º semestre
    Responsável
    Goreti Marreiros
    Teórica
    2 horas
    Prática laboratorial
    2 horas

    CO1 - Conhecer, compreender e aplicar conceitos e métodos de resolução automática de problemas, pesquisa e otimização, teoria de jogos, planeamento e apoio à tomada de decisão.
    CO2 - Analisar problemas reais de média ou elevada complexidade e conceber, implementar e avaliar soluções recorrendo aos métodos apresentados na unidade curricular.
    CO3 - Desenvolver competências transversais associadas à resolução, em equipa, de desafios (AI Challenges4Teams).

    1 - Resolução Automática de Problemas
    Formulação e caracterização de problemas; Espaços de estados; Heurísticas; Métodos de pesquisa de soluções.
    2 - Métodos de Pesquisa e Otimização
    Branch and Bound; A*; Programação Linear; Otimização em Redes; Algoritmos Genéticos; Pesquisa Tabu; Particle Swarm Optimization; Otimização por Colónia de Formigas
    3 - Planeamento Automático
    Conceitos e representação de problemas de planeamento; Planeamento deliberativo e reativo; Planeamento temporal e com restrições; Escalonamento; Planeamento de projetos.
    4 - Teoria de Jogos
    MINIMAX; Cortes Alpha-Beta; Monte Carlo Tree Search.
    5 - Tomada de Decisão
    Processo de Tomada de Decisão; Sistemas de Apoio à Decisão; Modelação e Simulação; Decisão multiobjetivo e multicritério; AHP e TOPSIS; Modelos de Decisão Sequencial; Decisão sob incerteza; Árvores de Decisão; Tomada de Decisão em Grupo; Mecanismos de consenso e ferramentas colaborativas.

1º ano | 2º semestre

  • 7,5 ECTS

    Língua Natural e Inteligência Artificial Generativa

    ECTS
    7,5
    Período
    2º semestre
    Teórica
    2 horas
    Prática laboratorial
    2 horas
  • 7,5 ECTS

    Redes Neuronais Artificiais e Aprendizagem Profunda

    ECTS
    7,5
    Período
    2º semestre
    Teórica
    2 horas
    Prática laboratorial
    2 horas
  • 7,5 ECTS

    Robótica e Ambientes Inteligentes

    ECTS
    7,5
    Período
    2º semestre
    Teórica
    2 horas
    Prática laboratorial
    2 horas
  • 7,5 ECTS

    Sistemas Multi-Agente

    ECTS
    7,5
    Período
    2º semestre
    Teórica
    2 horas
    Prática laboratorial
    2 horas

2º ano | 1º semestre

  • 7,5 ECTS

    Aspetos Sociais e Éticos em Inteligência Artificial

    ECTS
    7,5
    Período
    1º semestre
    Responsável
    Goreti Marreiros
    Teórica
    2 horas
    Prática laboratorial
    2 horas

    CO1- Conhecer, compreender e aplicar aspetos éticos, sociais e emocionais na conceção de sistemas inteligentes.
    CO2 - Conhecer, compreender e conceber sistemas de apoio à decisão em grupo
    CO3 - Identificar e compreender os principais problemas éticos relativos à Inteligência Artificial
    CO4- Desenvolver competências transversais associadas à resolução, em equipa, de desafios (AI Challenges4Teams).

    1 - Impacto da Inteligência Artificial nas Profissões e na Sociedade
    2 - Interação Humano-IA
    2.1 - Conceção da interação e colaboração
    2.2 - Confiança e supervisão humana
    3 - Computação Afetiva
    3.1 - Modelos de emoção e personalidade
    3.2 - Deteção de emoções, humor e estilos de comportamento
    3.3 - Contágio emocional
    4 - Aspetos Racionais e Emocionais na Tomada de Decisão
    5 - Apoio à Decisão em Grupo
    5.1 - Consenso, abordagens multicritério e argumentação
    5.2 - Avaliação da decisão
    6 - Ética e IA Responsável
    6.1 - Justiça, enviesamento e não discriminação
    6.2 - Transparência, explicabilidade e privacidade
    6.3 - Segurança, robustez e supervisão humana
    7 - Governação e Regulação da Inteligência Artificial
    7.1 - Princípios e modelos de governação da IA
    7.2 - Avaliação e gestão de risco
    7.3 - Responsabilização, auditoria e conformidade
    7.4 - Enquadramento regulatório da IA

  • 7,5 ECTS

    Investigação e Inovação em Inteligência Artificial

    ECTS
    7,5
    Período
    1º semestre
    Responsável
    Diogo Martinho
    Teórica
    2 horas
    Prática laboratorial
    2 horas

    O1 - Conhecer as principais áreas de atuação da investigação na Inteligência Artificial
    O2 - Adquirir competências de pesquisa, análise e documentação científica
    O3 - Compreender e aplicar metodologias de investigação científica.
    O4 - Compreender e aplicar abordagens de geração, análise e desenvolvimento de ideias inovadoras em Inteligência Artificial.
    O5 - Compreender conceitos de empreendedorismo e proteção da propriedade intelectual e industrial

    P1- Principais áreas de Investigação da IA
    Aprendizagem Automática e IA Generativa
    Linguagem Natural
    Visão Computacional e Perceção
    Raciocínio, Planeamento e Decisão
    Agentes e Sistemas Multiagente
    Interação Humano?IA
    P2- Análise de Bibliografia e Referências
    Notação Bibliográfica
    Referenciação Científica
    Escolha da Bibliografia e Referências
    P3 - Escrita de documentos científicos
    Artigos científicos
    Livros e capítulos de livros
    Relatórios científicos e técnicos
    P4- Impacto das Publicações
    Fatores de Impacto
    Citações
    Indicadores de Qualidade Científica
    P5 - Metodologia Científica
    P6- Geração de Ideias e Inovação em IA
    Inovação
    Criatividade
    Raciocínio Crítico
    Design Thinking
    P7- Proteção da Propriedade Intelectual e Industrial em IA
    Modelos e Patentes
    Proteção da Propriedade
    Alcance Geográfico da proteção
    P8- Empreendedorismo na IA
    Ideias inovadoras
    Startups e Spinoffs
    Análise de Mercado
    Viabilidade
    Plano de Negócio
    Financiamento da Inovação
    Divulgação de Ideias, Produtos e Serviços

  • 4 ECTS

    Privacidade e Segurança em Sistemas Inteligentes

    ECTS
    4
    Período
    1º semestre
    Teórica
    1 hora
    Teórico-prática
    1 hora
  • 11 ECTS

    Trabalho Preparatório para Dissertação

    ECTS
    11
    Período
    1º semestre
    Responsável
    Goreti Marreiros
    Teórica
    2 horas
    Prática laboratorial
    4 horas

    CO1 - Identificar o tipo de problema, área de aplicação e potencial de investigação e inovação da dissertação a desenvolver
    CO2 - Planificar e elaborar a estratégia de abordagem à Dissertação
    CO3 - Realizar e reportar algumas experiências prévias com os métodos e tecnologias potenciais a aplicar na Dissertação
    CO4 - Desenvolver competências de organização, articulação e autonomia na abordagem a problemas complexos.

    1- Identificação do tipo de Problema a tratar na Dissertação
    2- Identificação da Área de Aplicação da Dissertação
    3- Identificação e experimentação dos métodos e tecnologias de Inteligência Artificial a usar na Dissertação
    4- Potencial de Investigação e Inovação
    5- Planificação e Estratégia de abordagem à Dissertação

2º ano | 2º semestre

  • 30 ECTS

    Dissertação

    ECTS
    30
    Período
    2º semestre
    Teórica
    1 hora
    Outra
    1 hora

 

Registo Legal

Nº Processo A3ES

ACEF/2425/1900122
Data inicial: 2025-07-31
Data final: 2031-07-31

Registo DGES

R/A-CR 22/2020/AL02

Em que áreas podes trabalhar? 

  • Ciência de Dados e Big Data; 

  • Sistemas Inteligentes e de Apoio à Decisão; 

  • Business Intelligence; 

  • Interação Humano-Sistema de IA; 

  • Machine Learning; 

  • Visão por Computador e Robótica; 

  • Business Intelligence e Gestão de Conhecimento; 

  • Investigação e Ensino. 

 

E se quiseres continuar a estudar? 

Programa Doutoral em Inteligência Artificial e Engenharia de Sistemas Inteligentes 

  • “Optei por este mestrado, devido à reputação e credibilidade do ISEP, assim como pela convicção da crescente importância da Inteligência Artificial em todos os setores da sociedade. O mestrado superou as minhas expectativas, tanto pelo conteúdo curricular, como pela metodologia pedagógica, que permitiu desenvolver projetos multidisciplinares com autonomia, incentivando, ao mesmo tempo, o trabalho em equipa.”

    Abel Ferreira
  • “O Mestrado em Engenharia de Inteligência Artificial no ISEP teve um papel decisivo no meu percurso. É um mestrado com um excelente equilíbrio entre teoria e prática, trabalho em equipa, ética e inovação. No momento da tese, pude aplicar os conhecimentos adquiridos no produto em que trabalhava — Process Mining —, o que mais tarde me levou a assumir, pela CTW, a liderança de um novo produto da BMW, focado na otimização de processos de negócio com IA.”

    Eduardo Silva
  • “Frequentei o MEIA enquanto trabalhava como investigador no GECAD, e consegui sempre conciliar o ritmo profissional com o académico graças à estrutura única do curso. O modelo baseado em trimestres, com duas unidades curriculares de cada vez, permitiu-me aprofundar cada tema de forma mais focada, organizada e flexível. O MEIA deu-me bases sólidas que hoje aplico diariamente na ADECI, a start-up da qual sou fundador e que está a transformar o setor da restauração através de previsões inteligentes.”

    Hélder Pereira
  • “Estudar no MEIA foi uma experiência sem igual, pois tive contacto com os principais assuntos da Inteligência Artificial (IA) orientada por professores com notória experiência e expertise em projetos da área. Ainda nesse contexto, meu trabalho final de curso, uma solução inteligente voltada para apoio a Auditorias Financeiras para o Governo do Brasil, rendeu muitos frutos, tendo sido também apresentado em duas conferências internacionais, gerando também publicações em capítulos de livros. Hoje com o curso finalizado, meu diploma foi reconhecido no Brasil pela Universidade Federal de Goiás, me permitindo atuar profissionalmente de diversas formas no Brasil.”

    H

Posso candidatar-me?

Podes candidatar-te ao mestrado se fores:

  • Titular do grau de licenciado ou equivalente legal.

  • Finalista de licenciatura, mas de forma condicional, devendo apresentar prova de conclusão até ao último dia do prazo de matrícula da fase a que se candidatou, sob pena de exclusão.

  • Titular de grau académico superior estrangeiro conferido após um 1º ciclo de estudos organizado segundo os princípios de Bolonha, por um Estado aderente.

  • Titular de grau académico superior estrangeiro reconhecido pelo Conselho Técnico-Científico (CTC) do ISEP como equivalente a licenciado.

Se precisares de reconhecimento pelo Conselho Técnico-Científico (CTC) do ISEP, deves solicitá-lo antecipadamente. Pede informação por email à Divisão Académica ou à direção do mestrado (contacto na página do curso, barra lateral direita).

É também possível pedir o reconhecimento do grau académico através da DGES: https://www.dges.gov.pt/pt/pagina/reconhecimento.

 

Quando posso candidatar-me?

1.ª Fase – De 03 de junho a 06 de julho de 2026

Vagas incluídas no Edital do Concurso (PT) | Vacancies are listed in the Public Notice (EN)

Adenda I | Addendum I

2.ª Fase – De 1 a 31 de agosto de 2026

Mapa de vagas | Vacancy List

3.ª Fase – 28 de setembro a 7 de outubro de 2026

Mapa de vagas | Vacancy List

 

As segunda e terceira fases abrem mediante a disponibilidade de vagas resultantes das fases anteriores.

Depois de ultrapassado o prazo de uma fase, as datas e os documentos públicos partilhados nesta página passam a servir apenas como referência informativa para eventuais candidaturas futuras.

 

Como posso candidatar-me?

  • Seleciona abaixo o botão “CANDIDATURAS” – botão ativo apenas durante os períodos de candidatura.

  • Se não tens chave de acesso, clica em "OBTER CHAVE DE ACESSO"; se tens chave de acesso, clica em “ENTRAR”.

  • Se tiveres dúvidas no preenchimento do formulário online, podes esclarecê-las, por email, à Divisão Académica ou à direção do mestrado (contactos nesta página, barra lateral direita).

Voltar ao topo